Le lexique francophone de l'Intelligence Artificielle. Retrouvez les définitions claires de tous les termes clés.
106 définitions disponibles
IA théorique capable de comprendre, d'apprendre et d'accomplir n'importe quelle tâche intellectuelle qu'un être humain peut faire.
IA conçue et entraînée pour résoudre un seul type de tâche (toutes les IA actuelles sont des ANI).
Passerelle technique permettant à un logiciel de communiquer avec un modèle d'IA hébergé à distance.
Niveau d'intelligence artificielle théorique qui dépasserait l'intellect humain dans absolument tous les domaines.
Système logiciel ou matériel capable d'agir de manière indépendante pour atteindre des objectifs.
Suite d'instructions ou de règles définies pour accomplir une tâche ou résoudre un problème.
Défi consistant à s'assurer que les objectifs et comportements de l'IA correspondent parfaitement aux intentions humaines.
Utilisation de données, d'algorithmes statistiques et de ML pour identifier la probabilité de résultats futurs.
Action d'ajouter des étiquettes ou des métadonnées aux données pour l'apprentissage supervisé.
Entraînement d'un modèle sur des données non étiquetées pour y découvrir des structures sous-jacentes.
Méthode utilisant une petite quantité de données étiquetées et une grande quantité de données non étiquetées.
Entraînement d'un modèle sur un ensemble de données étiquetées (où la réponse attendue est connue).
Méthode où un agent apprend à prendre des décisions en effectuant des actions et en recevant des récompenses ou des pénalités.
Modèle d'apprentissage supervisé sous forme d'arbre, où chaque nœud représente un test sur un attribut.
Sous-ensemble du jeu de données traité en une seule fois par le modèle avant la mise à jour de ses poids.
Erreurs systématiques et reproductibles dans un système informatique générant des résultats injustes ou discriminatoires.
Erreur introduite lorsqu'un jeu de données ne représente pas correctement la réalité qu'il est censé modéliser.
Rectangle dessiné autour d'un objet détecté dans une image pour définir sa position spatiale.
Modèle d'IA dont les mécanismes internes de prise de décision sont opaques et incompréhensibles pour les humains.
Type de réseau de neurones particulièrement performant pour l'analyse et le traitement d'images.
Répartition des calculs d'entraînement d'un grand modèle sur plusieurs serveurs ou machines fonctionnant en réseau.
Agent conversationnel conçu pour simuler une conversation humaine par texte ou par voix.
Tâche d'apprentissage supervisé où l'algorithme doit attribuer une catégorie (étiquette) à une nouvelle donnée.
Fourniture de ressources informatiques (serveurs, stockage) via Internet, indispensable pour les lourds calculs d'IA.
Tâche d'apprentissage non supervisé consistant à regrouper des objets similaires dans des ensembles.
Domaine de collaboration directe entre les humains et les robots dotés d'IA dans un espace de travail partagé.
Gestion adéquate des données personnelles pour empêcher les fuites lors de l'entraînement des IA.
Technique visant à augmenter artificiellement la taille d'un dataset en modifiant légèrement les données existantes (ex: rotation d'une image).
Processus d'analyse de grandes quantités de données pour y découvrir des modèles ou des corrélations.
Apprentissage profond utilisant des réseaux de neurones artificiels à plusieurs couches pour modéliser des abstractions complexes.
Fichier vidéo, audio ou image manipulé de façon très réaliste par l'IA pour faire dire ou faire des choses à quelqu'un.
Algorithme d'optimisation utilisé pour minimiser la fonction de perte en ajustant les paramètres du modèle de manière itérative.
Tâche consistant à identifier et localiser des objets spécifiques au sein d'une image.
Traitement des données au plus près de leur source (ex: capteur, téléphone) plutôt que dans un cloud centralisé.
Partie du jeu de données utilisée exclusivement pour ajuster les poids du modèle.
Données mises de côté et utilisées à la toute fin pour évaluer la performance finale et objective du modèle.
Données utilisées pendant l'entraînement pour évaluer le modèle et ajuster ses hyperparamètres.
Un passage complet du jeu de données d'entraînement à travers l'algorithme d'apprentissage.
Ensemble de méthodes permettant aux humains de comprendre la logique et les décisions prises par les algorithmes d'IA.
Branche de la technologie visant à garantir que l'IA est développée et utilisée de manière morale et bénéfique pour l'humanité.
Processus de sélection, modification ou création de variables (features) pour améliorer la performance d'un modèle.
Entraînement d'un modèle de manière décentralisée sur plusieurs appareils locaux sans échanger les données brutes.
Capacité d'un modèle à apprendre une nouvelle tâche à partir d'un très petit nombre d'exemples.
Équation mathématique qui détermine si un neurone artificiel doit s'activer ou non en fonction de ses entrées.
Formule mesurant l'écart entre les prédictions du modèle et les résultats réels attendus.
Erreur survenant lorsque des informations de l'ensemble de test se retrouvent par erreur dans l'ensemble d'entraînement.
Système où deux réseaux (générateur et discriminateur) s'affrontent pour produire des données synthétiques ultra-réalistes.
Puce informatique très efficace pour le calcul parallèle, devenue le standard pour l'entraînement des modèles d'IA.
Modèle de Deep Learning entraîné sur des quantités massives de texte pour comprendre et générer du langage.
Type spécifique de RNN capable d'apprendre des dépendances sur le long terme, très utile en NLP.
Délai qui s'écoule entre le moment où une donnée est soumise à l'IA et le moment où elle fournit sa réponse.
Système mathématique qui raisonne avec des degrés de vérité (de 0 à 1) plutôt qu'avec des valeurs booléennes strictes (Vrai/Faux).
Ensemble de pratiques visant à déployer et maintenir de manière fiable et efficace les modèles de ML en production.
Apprentissage automatique permettant à un système d'apprendre à partir de données sans être explicitement programmé.
Modèle génératif qui apprend à créer des images en détruisant d'abord les données avec du bruit, puis en inversant le processus.
Vaste modèle d'IA entraîné sur un large éventail de données non étiquetées, adaptable à de nombreuses tâches.
Processus par lequel une IA produit du texte lisible et naturel à partir de données structurées.
Branche de l'IA qui aide les ordinateurs à comprendre, interpréter et manipuler le langage humain.
Sous-ensemble du NLP axé spécifiquement sur la compréhension du sens, de l'intention et du contexte d'un texte.
Puce spécialisée embarquée (souvent dans les smartphones) pour exécuter des tâches d'IA directement sur l'appareil.
Processus de détection et de correction (ou suppression) des erreurs ou incohérences dans un jeu de données.
Technique de réduction de dimension permettant de simplifier la complexité d'un grand nombre de variables.
Valeurs numériques au sein d'un réseau de neurones déterminant l'importance d'une connexion entre deux neurones.
Instruction ou texte de départ fourni par l'utilisateur pour guider la génération de l'IA.
Pratique consistant à concevoir et optimiser les prompts pour obtenir les meilleurs résultats d'un LLM.
Technique couplant la recherche d'informations dans une base de données avec la génération de texte pour des réponses factuelles.
Type de réseau de neurones conçu pour traiter des données séquentielles (texte, séries temporelles).
Algorithme combinant les résultats de multiples arbres de décision pour obtenir une prédiction plus précise et stable.
La fonction d'activation la plus utilisée dans les réseaux de neurones profonds, qui remplace les valeurs négatives par zéro.
Technologie permettant d'identifier ou de vérifier l'identité d'une personne à partir de son visage.
Technologie permettant de transcrire la voix humaine en texte.
Capacité d'un modèle d'IA à maintenir ses performances malgré des données d'entrée bruitées, imprévues ou malveillantes.
Tâche d'apprentissage supervisé visant à prédire une valeur continue (ex: un prix, une température).
Modèle de calcul dont la conception est très schématiquement inspirée du fonctionnement des neurones biologiques.
Méthode de calcul utilisée pour ajuster les poids d'un réseau de neurones en fonction de l'erreur commise en sortie.
Algorithme de classification très performant qui cherche à trouver un "hyperplan" séparant au mieux les données.
Division d'une image en plusieurs segments au niveau du pixel pour simplifier son analyse.
Phénomène où un modèle est trop simple pour capturer la complexité des données d'entraînement.
Mots très courants (le, la, et, de) souvent filtrés lors du traitement du langage car ils apportent peu de sens direct.
Phénomène où un modèle apprend par cœur ses données d'entraînement mais échoue à généraliser sur de nouvelles données.
Logiciel capable de reproduire les mécanismes cognitifs d'un expert humain dans un domaine particulier.
Algorithme visant à suggérer des éléments pertinents (films, produits) à un utilisateur selon son profil.
Suite de points de données indexés dans l'ordre chronologique, souvent utilisés pour la prévision (météo, bourse).
Mesure statistique évaluant l'importance d'un mot dans un document par rapport à une collection de documents.
Puce conçue spécifiquement par Google pour accélérer les calculs des réseaux de neurones (Machine Learning).
Taille du pas pris par le modèle lors de la mise à jour de ses poids à chaque itération (détermine la vitesse d'apprentissage).
Paramètre contrôlant la créativité et l'aléatoire des réponses générées par un LLM.
Test proposé par Alan Turing en 1950 pour déterminer si une machine peut imiter la conversation humaine.
Unité de base de traitement du texte par une IA (peut être un mot, une syllabe ou un caractère).
Paramètre limitant les choix du prochain mot généré par un LLM aux K mots les plus probables.
Paramètre choisissant le prochain mot parmi l'ensemble des mots dont la probabilité cumulée atteint le seuil P.
Technique réutilisant un modèle pré-entraîné sur une tâche pour l'appliquer à une tâche différente mais connexe.
Architecture de réseau de neurones utilisant des mécanismes d'attention, base des LLM modernes.